申请/专利权人:江苏师范大学
申请日:2022-12-14
公开(公告)日:2023-05-16
公开(公告)号:CN116129259A
主分类号:G06V20/10
分类号:G06V20/10;G06V10/44;G06V10/82;G06N3/08;G06V10/764;G06V10/774;G06N3/0464
优先权:
专利状态码:在审-实质审查的生效
法律状态:2023.06.02#实质审查的生效;2023.05.16#公开
摘要:本发明涉及稻米植株叶片病害种类检测方法、系统、设备和介质,包括如下步骤:对叶片图像进行预处理,提取预处理后的叶片图像的HOG特征;基于HOG特征建立叶面图像的颜色复原模型,根据所提取的叶片图像的HOG特征以及所述颜色复原模型,对叶片图像进行颜色复原;建立混合可变形部件模型,利用所述混合可变形部件模型对所述颜色复原后的叶片图像进行叶面的检测,得到叶面前景图像;建立概率模型,以所述叶面前景图像为初始模板,基于所述初始模板、概率模型进行叶面的跟踪,获得不同时间的叶面前景图像;采用基于RD‑Net、RS‑Net、CCNN相结合的算法对所述叶面前景图像进行叶片区域分割。本公开还结合了拉曼光谱信息,实现稻米叶片病害的识别。
主权项:1.一种稻米植株叶片病害种类检测方法,其特征在于,包括如下步骤:S10:获取叶片图像,对叶片图像进行预处理,提取预处理后的叶片图像的HOG特征;S20:基于HOG特征建立叶面图像的颜色复原模型,根据所提取的叶片图像的HOG特征以及所述颜色复原模型,对叶片图像进行颜色复原;S30:建立混合可变形部件模型,利用所述混合可变形部件模型对所述颜色复原后的叶片图像进行叶面的检测,得到叶面前景图像;S40:建立概率模型,以所述叶面前景图像为初始模板,基于所述初始模板、概率模型进行叶面的跟踪,获得不同时间的叶面前景图像;S50:采用基于RD-Net、RS-Net、CCNN相结合的算法对所述叶面前景图像进行叶片区域分割,从而获得叶面病斑图像;S60:依据叶面病斑图像和叶片的拉曼光谱信息进行图像识别,实现叶面的正常生长状态、病害状态的快速区分。
全文数据:
权利要求:
百度查询: 江苏师范大学 稻米植株叶片病害种类检测方法、系统、设备和介质
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。